Html Parser Class

<?php

/**
 * html/xml parser class
 *
 * this is a helper class that is used to parse html and xml. a unique feature of this parsing class 
 * is the fact that it includes support for innerhtml (which isn't easy to do).
 *
 * @author dennis pallett
 * @copyright dennis pallett 2006
 * @package html_parser
 * @version 1.0
 */

// helper class
// to parse html/xml
class html_parser {
    // private properties
    var $_parser;
    var $_tags = array();
    var $_html;
    var $output = array();
    var $strxmldata;
    var $_level = 0;
    var $_outline;
    var $_tagcount = array();
    var $xml_error = false;
    var $xml_error_code;
    var $xml_error_string;
    var $xml_error_line_number;

    function get_html () {
        return $this->_html;
    }

    function parse($strinputxml) {
        $this->output = array();

        // translate entities
        $strinputxml = $this->translate_entities($strinputxml);

        $this->_parser = xml_parser_create ();
        xml_parser_set_option($this->_parser, xml_option_case_folding, true);
        xml_set_object($this->_parser,$this);
        xml_set_element_handler($this->_parser, "tagopen", "tagclosed");
          
        xml_set_character_data_handler($this->_parser, "tagdata");
      
        $this->strxmldata = xml_parse($this->_parser,$strinputxml );

        if (!$this->strxmldata) {
            $this->xml_error = true;
            $this->xml_error_code = xml_get_error_code($this->_parser);
            $this->xml_error_string = xml_error_string(xml_get_error_code($this->_parser));
            $this->xml_error_line_number =  xml_get_current_line_number($this->_parser);
            return false;
        }

        return $this->output;
    }


    function tagopen($parser, $name, $attr) {
        // increase level
        $this->_level++;

        // create tag:
        $newtag = $this->create_tag($name, $attr);

        // build tag
        $tag = array("name"=>$name,"attr"=>$attr, "level"=>$this->_level);

        // add tag
        array_push ($this->output, $tag);

        // add tag to this level
        $this->_tags[$this->_level] = $tag;

        // add to html
        $this->_html .= $newtag;

        // add to outline
        $this->_outline .= $this->_level . $newtag;
    }

    function create_tag ($name, $attr) {
        // create tag:
        # begin with name
        $tag = '<' . strtolower($name) . ' ';

        # create attribute list
        foreach ($attr as $key=>$val) {
            $tag .= strtolower($key) . '="' . htmlentities($val) . '" ';
        }

        # finish tag
        $tag = trim($tag);
        
        switch(strtolower($name)) {
            case 'br':
            case 'input':
                $tag .= ' /';
            break;
        }

        $tag .= '>';

        return $tag;
    }

    function tagdata($parser, $tagdata) {
        if(trim($tagdata)) {
            if(isset($this->output[count($this->output)-1]['tagdata'])) {
                $this->output[count($this->output)-1]['tagdata'] .= $tagdata;
            } else {
                $this->output[count($this->output)-1]['tagdata'] = $tagdata;
            }
        }

        $this->_html .= htmlentities($tagdata);
        $this->_outline .= htmlentities($tagdata);
    }
  
    function tagclosed($parser, $name) {
        // add to html and outline
        switch (strtolower($name)) {
            case 'br':
            case 'input':
                break;
            default:
            $this->_outline .= $this->_level . '</' . strtolower($name) . '>';
            $this->_html .= '</' . strtolower($name) . '>';
        }

        // get tag that belongs to this end
        $tag = $this->_tags[$this->_level];
        $tag = $this->create_tag($tag['name'], $tag['attr']);

        // try to get innerhtml
        $regex = '%' . preg_quote($this->_level . $tag, '%') . '(.*?)' . preg_quote($this->_level . '</' . strtolower($name) . '>', '%') . '%is';
        preg_match ($regex, $this->_outline, $matches);

        // get innerhtml
        if (isset($matches['1'])) {
            $innerhtml = $matches['1'];
        }
        
        // remove level identifiers
        $this->_outline = str_replace($this->_level . $tag, $tag, $this->_outline);
        $this->_outline = str_replace($this->_level . '</' . strtolower($name) . '>', '</' . strtolower($name) . '>', $this->_outline);

        // add innerhtml
        if (isset($innerhtml)) {
            $this->output[count($this->output)-1]['innerhtml'] = $innerhtml;
        }

        // fix tree
        $this->output[count($this->output)-2]['children'][] = $this->output[count($this->output)-1];
        array_pop($this->output);

        // decrease level
        $this->_level--;
    }

    function translate_entities($xmlsource, $reverse =false) {
        static $literal2numericentity;
        
        if (empty($literal2numericentity)) {
            $transtbl = get_html_translation_table(html_entities);

            foreach ($transtbl as $char => $entity) {
                if (strpos('&#038;"<>', $char) !== false) continue;
                    $literal2numericentity[$entity] = '&#'.ord($char).';';
                }
            }

            if ($reverse) {
                return strtr($xmlsource, array_flip($literal2numericentity));
            } else {
                return strtr($xmlsource, $literal2numericentity);
            }
      }
}

// to be used like this
$parser = new html_parser;
$output = $parser->parse($html);

print_r ($output);

?>